Con l’avvento dei veicoli elettrici, di sistemi ADAS, di sicurezza e infotainment più innovativi e sempre più basati sull’intelligenza artificiale, l’industria automotive sta attraversando una fase di profonda trasformazione. Le case automobilistiche integrano nuovi componenti tecnologici e soluzioni data-driven nelle vetture, dovendo però gestire il contenimento dei costi e limitazioni di spazio ed efficienza energetica. Parallelamente, la crescente proliferazione di sensori e processori, spinge la domanda di tecnologie embedded caratterizzate da architetture adattive e versatili che devono essere in grado di alimentare sistemi ad alta affidabilità, gestire e interconnettere grandi volumi di dati a bassa latenza, operare con consumi ridotti, supportare algoritmi di complessità crescente e soddisfare standard tecnologici automobilistici nonché requisiti di sicurezza operativa in continua evoluzione.
Analizzando il contesto più ampio, le attuali prospettive dell’auto connessa possono essere distinte in tre principali categorie: guida automatizzata, sistemi avanzati di assistenza alla guida (ADAS) ed esperienza a bordo del veicolo (IVX). La classificazione dell’automazione di guida a sua volta prevede sei distinti livelli, che spaziano dal livello 0 (L0), legato al controllo interamente manuale del veicolo, fino al livello L5, che rappresenta un’automazione completa. Il passaggio cruciale si verifica tra il livello L2, dove le funzionalità automatizzate sono presenti ma il controllo ultimo rimane al conducente, e il livello L3, in cui è il sistema automatizzato a essere responsabile di eventuali malfunzionamenti se abilitato.
Le funzionalità di guida automatizzata (L3 e superiori) sono generalmente utilizzate in applicazioni commerciali, non essendo ancora disponibili sul mercato consumer. Robotaxi e camion autonomi rappresentano esempi concreti di veicoli L4-L5, che richiedono sistemi informatici caratterizzati da estrema affidabilità, prestazioni elevate ed efficienza energetica ottimale. Mentre i robotaxi catalizzano l’attenzione mediatica, il settore dei camion autonomi offre prospettive interessanti, in quanto risponde alla crescente domanda di trasporto merci in un contesto di carenza di autisti professionisti. È già in fase di sviluppo un quadro normativo che consentirà la circolazione di veicoli L4 in alcuni tratti della “sunbelt”, il corridoio che collega le coste orientali e occidentali degli Stati Uniti.
Sono numerose le innovazioni che si stanno concentrando nel livello L2, con veicoli che gestiscono sterzo, accelerazione e frenata, sotto la costante supervisione del conducente. In questo contesto si collocano i sistemi avanzati di assistenza alla guida (ADAS), che segnalano determinati scenari con l’ausilio di sensori avanzati e possono intervenire temporaneamente assumendo il controllo del veicolo. Tra le funzioni ADAS – sempre più diffuse e volte ad aumentare il livello di sicurezza, figurano il Blind Spot Detection (BSD), l’Adaptive Cruise Control (ACC) e il Lane Keep Assist (LKA). Queste tecnologie elaborano i dati acquisiti dai sensori di bordo per segnalare al conducente potenziali pericoli o rilevare stati di distrazione o affaticamento attraverso sistemi di monitoraggio del conducente e dell’abitacolo. Forniscono, inoltre, assistenza in scenari come parcheggio e traffico congestionato, arrivando persino a sostituirsi al guidatore per prevenire collisioni grazie a telecamere avanzate, radar e sensori LiDAR (Light Detection and Ranging).
Il terzo aspetto dell’auto connessa è rappresentato dalla In-Vehicle Experience (IVX). che, oltre a prevenire l’affaticamento e favorire la concentrazione, condivide in modo continuo e intuitivo informazioni sulla navigazione, lo stato di manutenzione del veicolo e aggiornamenti sul traffico contribuendo a migliorare l’esperienza del conducente e la sicurezza. I veicoli elettrici rappresentano un punto di svolta fondamentale in questo senso dovendo garantire produttività o intrattenimento durante le soste per la ricarica del veicolo. L’IVX, tuttavia, trascende la mera esperienza di guida: la sua applicazione si estende all’intero abitacolo e coinvolge tutti gli occupanti con sistemi di intrattenimento sempre più sofisticati che spaziano dallo streaming video ai giochi online, fino a sistemi audio personalizzati per ogni sedile, determinando requisiti più elevati in termini di capacità di elaborazione e connettività di bordo.
Sicurezza integrata
L’elemento cruciale della guida autonoma e delle funzioni ADAS è garantire la massima sicurezza del conducente e dei passeggeri. Tutte le parti interessate – produttori, fornitori, operatori e utenti stradali – esigono i più elevati standard di affidabilità. Tuttavia, il processo di aggregazione, pre-elaborazione e distribuzione dei dati (DAPD), che comprende raccolta, trasporto ed elaborazione delle informazioni provenienti dai sensori per determinare le azioni appropriate del veicolo, presenta complesse sfide tecniche in termini di disponibilità di larghezza di banda, efficienza energetica, prestazioni e affidabilità sensoriale. Un caso emblematico è rappresentato dal sistema di frenata d’emergenza automatica, in cui i sensori rilevano un pericolo imminente e condividono queste informazioni con il computer di bordo, che comunica al sistema la manovra più adeguata da eseguire, nella fattispecie l’arresto immediato del veicolo.
I test e le certificazioni di sicurezza devono essere rigorosi per garantire che tali sistemi operino correttamente, mantengano connettività e alimentazione adeguate e risultino protetti contro potenziali minacce informatiche. Questo implica che la tecnologia implementata debba essere conforme ai test di qualità (AEC-Q100)[1] e alle specifiche di sicurezza (ISO 26262)[2].
L’hardware per l’elaborazione adattiva, basato su programmable logic (PL), può essere programmato e riprogrammato ripetutamente dopo l’implementazione sul campo per svolgere una vasta gamma di funzioni ed evolversi con l’ambiente circostante. Grazie alle capacità di elaborazione parallela, questi sistemi sono in grado di elaborare più compiti e flussi di dati rapidamente ed efficacemente. I dispositivi basati su PL si rivelano quindi particolarmente indicati per veicoli con funzionalità automatizzate che necessitano di silicio adattivo caratterizzato da bassa latenza, consumi ridotti ed elevata affidabilità per aggregare, elaborare e distribuire i dati dei sensori. Inoltre, i SoC adattivi basati su PL, sono qualificati secondo le specifiche di test AEC-Q100 e soddisfano i requisiti ASIL-D dello standard ISO 26262.
Automazione e AI
Con il passaggio alla guida altamente automatizzata e completamente autonoma, i veicoli faranno affidamento in misura crescente su sensori avanzati e controller dotati di capacità di machine learning. Le prestazioni di elaborazione dell’intelligenza artificiale e le architetture di calcolo eterogenee saranno fondamentali per il processo decisionale in tempo reale guidato dall’AI. I dispositivi PL, in particolare gli FPGA, svolgeranno un ruolo determinante nell’abilitare l’elaborazione adattiva e l’intelligenza a bordo dei veicoli necessarie per supportare le funzionalità di guida automatizzata, ADAS e IVX di prossima generazione che, quindi, sono destinate a registrare una crescita esponenziale nei prossimi anni. Le proiezioni indicano, per il solo ambito infotainment, un raddoppio delle prestazioni ogni due o tre anni, considerando CPU, GPU e display grafici. Per soddisfare questi crescenti requisiti prestazionali, sarà necessario ampliare lo spazio di elaborazione disponibile per accogliere i carichi di lavoro supplementari distribuiti sul veicolo durante l’intero ciclo di vita.
I vincoli relativi a dimensioni, costi e consumo energetico, combinati con l’aspirazione a implementare veicoli definiti dal software, stanno orientando la progettazione automobilistica verso l’adozione di architetture informatiche più centralizzate, volte a consolidare le funzioni di guida automatica, ADAS e IVX e a ridurre le complessità. I costruttori stanno privilegiando configurazioni in cui l’intelligenza è suddivisa strategicamente tra controller edge e quelli di settore/zonali, abbandonando il modello basato su numerosi sottosistemi intelligenti. Ad esempio, anziché dotare ogni sensore di una propria unità di microcontrollo (MCU), la centralizzazione dell’elaborazione in un controllore di dominio o zonale può ottimizzare l’elaborazione dei dati sensoriali. Questo approccio consente di ridurre la complessità dei sensori e dei cablaggi, il costo del sistema e il consumo energetico. Con il passare del tempo, le tecnologie abilitanti diventeranno più accessibili e le funzioni avanzate di sicurezza e di AI, come l’assistenza al parcheggio e la guida autostradale automatizzata, raggiungeranno il mercato di massa. Per le auto del futuro, dotate di intelligenza artificiale, queste funzionalità evolveranno fino a diventare dotazioni standard per tutti i modelli.
Con l’avvento di questa evoluzione, i costruttori si troveranno ad affrontare una sfida in termini di capacità di calcolo e gestione energetica, dovendo implementare dispositivi che combinino alte prestazioni, latenza minima e consumi contenuti, nel rispetto degli standard avanzati di sicurezza operativa. Anziché implementare molteplici soluzioni di calcolo, che accentuerebbero le problematiche di spazio e consumo energetico, le architetture eterogenee offrono una soluzione single-chip per tutte le fasi di un sistema di guida automatizzato: rilevazione, pianificazione e azione. È qui che entrano in gioco i dispositivi SoC adattivi. I segnali provenienti da sensori quali telecamere, radar e LiDAR vengono acquisiti tramite blocchi I/O programmabili e inviati direttamente alla programmable logic per l’elaborazione a bassa latenza specifica per ciascun sensore. Questo approccio offre una piattaforma flessibile per implementare algoritmi innovativi di sensor fusion prima dell’elaborazione della percezione e dell’inferenza nei motori AI, garantendo la scalabilità necessaria per supportare requisiti di sistema L2/L2+, L3 e L4, dove la ridondanza è fondamentale.
Oltre al ruolo dell’adaptive computing, il futuro delle tecnologie embedded per l’automotive appare particolarmente roseo, con un ritmo di innovazione che continua a mantenersi sostenuto. Che si tratti di CPU, GPU, FPGA, SoC adattivi o APU embedded, progettisti e case automobilistiche necessitano di architetture che integrino sottosistemi di calcolo scalari, grafici, di intelligenza artificiale (AI) e programmabili per consentire l’aggiornamento di progetti di sistema flessibili e adattabili durante l’intero ciclo di vita del veicolo.
Al fine di garantire che la sicurezza di conducenti e passeggeri rimanga la priorità assoluta durante l’implementazione di funzionalità sempre più automatizzate e autonome, le case automobilistiche devono collaborare con fornitori tecnologici in possesso delle necessarie certificazioni di sicurezza operativa, accreditamenti e competenze specifiche. Il computing eterogeneo, compresa l’intelligenza artificiale, rivestirà un ruolo fondamentale nel futuro dell’automotive, consentendo ai produttori di soddisfare i requisiti di affidabilità, latenza e consumo energetico necessari in una soluzione compatta su chip singolo.
[1] AEC-Q100 – standard di settore che definisce i requisiti di collaudo per i prodotti elettronici destinati alle applicazioni automotive.
[2] ISO 26262 – standard internazionale per la sicurezza operativa dei veicoli stradali, elaborato dall’Organizzazione Internazionale per la Standardizzazione (ISO). La certificazione ISO 26262 ASIL prevede quattro livelli, dove ASIL A indica il rischio minimo e ASIL D il massimo livello di criticità. Di conseguenza, le tecnologie integrate e i sistemi devono necessariamente conformarsi a questi rigorosi parametri normativi.
